# MessyNav hilft Robotern, ohne spezielles Training Wege freizuräumen

> Das Framework nutzt ein Vision-Language-Modell, um beim Navigieren zu entscheiden, ob Hindernisse bewegt, aufgehoben oder umfahren werden sollen.

Oossa · 2026-11-06 · https://oossa.com/de/messynav-lets-robots-clear-paths-without-task-specific-training

Forschende haben MessyNav vorgestellt, ein Framework, das mobilen Robotern hilft, sich durch unaufgeräumte Umgebungen zu bewegen. Es entscheidet, was mit Hindernissen auf ihrem Weg geschehen soll. Dazu nutzt es ein Vision-Language-Modell – ein System, das Bilder und Text interpretiert –, um Objekte einzuschätzen und zu planen, ob es sie zur Seite schieben, aufheben oder umfahren soll.

Bei Versuchen mit echten Robotern erzielte das Team nach eigenen Angaben eine um 27 Prozentpunkte höhere Erfolgsquote als mit seiner stärksten Vergleichsmethode. Auch bei einer umfangreicheren Offline-Auswertung berichten die Forschenden von statistisch signifikanten Verbesserungen – ohne gezieltes Training für die jeweiligen Aufgaben.

## Die Fakten

- MessyNav wurde mit einem mobilen Manipulator in Innen- und Außenbereichen getestet.
- Die Arbeit ist als CoRL-2026-Paper gelistet.

## Warum es wichtig ist

Für Teams, die Roboter für Wohnungen oder andere unaufgeräumte Umgebungen entwickeln, bietet MessyNav eine Möglichkeit, ohne aufgabenspezifisches Training zwischen dem Bewegen und dem Umfahren von Objekten zu entscheiden. Wie gut das Framework außerhalb der beschriebenen Tests funktioniert, geht aus dem Abstract nicht hervor.

## Quellen und Referenzen

1. [MessyNav: Zero-Shot Navigation via Manipulation in Messy Environments](https://arxiv.org/abs/2611.07417) – arXiv cs.RO, 2026-11-06

Zuletzt aktualisiert: 2026-11-06